Inkling vs Morph V3 Large comparado — precio por token, ventana de contexto, multimodalidad, apertura y cuál elegir. ¿Puede el modelo de código abierto reemplazar al modelo pagado? Desglose completo de 2026.
Morph V3 Large — perfil completo ›
Precios & especificaciones actualizados desde datos en vivo · olud.ai
Precios de modelos abiertos = proveedor más barato a través de OpenRouter; las tarifas del fabricante oficial pueden ser más altas.
| Especificación | Inkling | Morph V3 Large | Ganador |
|---|---|---|---|
| Creador | Thinkingmachines | Morph | – |
| Tipo | Open-weight | Propietario | THInkling |
| Ventana de contexto | 1M tokens | 262K tokens | THInkling |
| Precio de entrada | $1/M · autoalojamiento gratuito | $0.9/M | MOMorph V3 Large |
| Precio de salida | $4.05/M · autoalojamiento gratuito | $1.9/M | MOMorph V3 Large |
| Visión / multimodal | Sí | No | THInkling |
| Llamada de herramienta / función | Sí | No | THInkling |
| Autoalojable | Sí | No (solo API) | THInkling |
| Licencia | Open weights | Propietario | THInkling |
Morph V3 Large es ~2.1× más barato que Inkling en tokens de salida ($1.9 vs $4.05 por M tokens).
| Capacidad | Inkling | Morph V3 Large |
|---|---|---|
| Open weights (descargables) | ✓ | ✗ |
| Autoalojable | ✓ | ✗ |
| Funciona completamente sin conexión | ✓ | ✗ |
| Visión / multimodal | ✓ | ✗ |
| Llamada de herramienta / función | ✓ | ✗ |
| Ventana de contexto de 1M+ | ✓ | ✗ |
Puntuaciones de referencia independientes medidas por Artificial Analysis. Más alto es mejor (excepto latencia).
Datos de referencia por Artificial Analysis.
| Criterio | Inkling | Morph V3 Large |
|---|---|---|
| Eficiencia de costos | 4.0 | 4.5 |
| Ventana de contexto | 5.0 | 4.0 |
| Apertura | 5.0 | 1.5 |
| Autoalojamiento | 5.0 | 1.0 |
| Multimodalidad | 5.0 | 2.0 |
Las puntuaciones provienen de datos en vivo — precio de salida (costo), longitud de contexto, pesos abiertos vs cerrados (apertura & autoalojamiento) y soporte de visión/herramienta (multimodalidad). La calidad de la tarea en bruto no se puntúa aquí; depende de tu referencia — consulta el veredicto.
Inkling es un modelo de mezcla de expertos multimodal open-weight del Thinking Machines Lab, con 41B de parámetros activos de un total de 975B. Está diseñado para razonamiento de propósito general, codificación, sistemas agentes y uso de herramientas,...
Modelo de aplicación de alta precisión de Morph para ediciones de código complejas. ~4,500 tokens/seg con 98% de precisión para transformaciones de código precisas. El modelo requiere que el prompt esté en el siguiente formato: <instrucción>{instrucción}</instrucción> <código>{ini
Estas variantes se rastrean pero no se comparan aquí — una página por familia mantiene la comparación legible.
Inkling es open-weight y competitivo en muchas tareas, pero Morph V3 Large puede seguir liderando en el trabajo de razonamiento más difícil y en tareas agenticas. La brecha sigue reduciéndose — evalúe ambos en su caso de uso real antes de decidir.
Sí. Inkling tiene open weights, por lo que puede autoalojarlo en sus propias GPU o ejecutarlo a través de una API de bajo costo. Morph V3 Large es solo API y no puede ser autoalojado.
Elija Inkling si desea autoalojarlo, mantener sus datos privados y evitar tarifas por token — es open-weight y se ejecuta en su propio hardware. Elija Morph V3 Large si desea capacidad de frontera a través de una API gestionada sin infraestructura para ejecutar.
Explora la tabla de clasificación completa de modelos de código abierto, miles de herramientas y benchmarks en vivo — todo en un solo lugar.
Abre la clasificación →